JPWO2018159237A1 - 探索方法、探索装置および探索システム - Google Patents

Abstract

複数の物性パラメータの任意の組合せのうち、有意な関係性を有する物性パラメータの組合せを、優先度をつけて探索する。記憶装置に保持されるデータベースとグラフ生成工程とグラフ探索工程と優先度決定工程とを備えており、データベースは互いの関係性を有する物性パラメータの複数の対を記憶し、グラフ生成工程はデータベースに記憶された複数の物性パラメータをノードとし、関係性を有するとして記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、グラフ探索工程は与えられる探索条件に基づいてグラフを探索して関連する物性あるいは物性間の関連を示す物性間関連性経路を複数提示し、優先度決定工程は前記複数提示された関連する物性あるいは物性間関連性経路の中からノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、優先度の高い順に結果を出力する。

Description

本発明は、データベースを使った探索方法、探索装置および探索システムに係り、特に複数の物性パラメータの関係性の探索に好適に利用できる探索方法、探索装置および探索システムに関する。

材料研究における予測や設計の目標は、目的の特性を持つ材料を特定することである。このために旧来から多用されてきた手法は、条件−特性チャートから目的の特性を持つ材料の特定を目指す手法である。これは複数の条件のうち特定の１つの条件のみを変化させたときの特性の変化を観測してチャートを作成し、そのチャートを補間または外挿することによって、目的の特性を持つ条件を求め、それに合致する材料を特定する方法である。ここでいう「チャート」とは、折れ線グラフ等を表す「グラフ」と同義であるが、後述する、ノードとエッジから成る「グラフ」と区別する目的で別の語を用いる。

このとき、複数の条件のうち特定の１つの条件のみを変化させたときの特性の変化は、自ら実験を行って入手することが多い。多数の文献を調査しても上記特定の条件以外の条件がすべて同じであるデータを大量に入手することは困難だからである。

特許文献１には、所望の特性を有する新規材料の構成物質情報を、客観的に探索することが可能な探索システムが開示されている。

同文献に開示される探索システムは、複数（多数）の物質についてそれぞれ複数の物性パラメータ情報を有するデータベースを備える。例えば、ｎ個の物質についてｍ個の物性パラメータを有するときには、データベースはｎ行ｍ列のテーブル形式で表現される。このとき、個々の物質によっては実データが得られる物性パラメータだけではなく、実データが与えられていない物性パラメータがあってもよい。即ち、上記ｎ行ｍ列のテーブルには空欄があってもよい。

検索対象の物性パラメータを１つの軸とし、他の物性パラメータの一部をその他の軸として、２次元または３次元以上の空間を作成して、上記データベース内の各物質をマッピングする。このとき、実データのない物性パラメータについては、多変量解析、所定の論理式に基づく計算、または、第１原理計算などを使って予測した仮想データによって補う。

実データと仮想データをマッピングして得られた探索マップにおいて、予め規定したルールに基づいて所望の特性を有する物質を特定するとされる。

特開２００７−１８４４４号公報

ベルジュ，Ｃ「グラフ理論」伊理正夫 他訳、サイエンス社、１９７６年、ＩＳＢＮ４−７８１９−０１１１−５ ハラリー、フランク「グラフ理論」池田貞雄 訳、共立出版、１９７１年、ＩＳＢＮ９７８−４−３２０−０１０７３−４ 吉武道子、日本金属学会誌、第８０巻、第１０号、６０３−６１１頁、２０１６年

特許文献１について本発明者が検討した結果、以下のような新たな課題があることがわかった。

特許文献１に記載される技術では、仮想データを予測するために、複数の物性パラメータ相互の関係性を利用することとなる。物性パラメータの関係性とは、異なる物性パラメータ間に存在する科学的根拠に基づいた関係性、即ち、理論的に説明され定式化された関係性であり、例えば、上記の所定の論理式に基づく計算や第１原理計算もこれに含まれる。これに加えて、経験的に得られた関係性も存在する。理論的な説明が未だなされておらず、また、定式化もされていない段階であっても、実験データから明確な相関が認められることによって、関係性の存在が知られている物性パラメータが数多く存在する。特に、多数の技術分野を横断的に見ることによって、関係性が知られている物性パラメータの組合せをさらに増やすことができる。

このように、多数の技術分野を横断的に見た場合には、物性パラメータの数が非常に多くなるため、関係性の有無に依らない任意の組合せは数学的に算出される膨大な数に上ってしまう。取り扱う物性パラメータの数をＫ個とすれば、そのうちの任意の２個の組合せはＫ！×（Ｋ−１）！／２である。したがって、特許文献１に記載されるような従来の探索システムに利用することができる関係性は、物性パラメータの組合せのうち、あくまでも既に知られた組合せに限定されることとなる。これを関係性の存在が知られていない組合せに拡張するためには、そもそも任意の組合せが上述のように膨大であるところから、ユーザー自身の知識や経験に依るところが大きい。しかしながら、多くの技術分野を横断的に見た場合には、その全般に渡る広範な知識と経験を備えることを、ユーザーに期待するのは非現実的である。

本発明者はこのような物性パラメータ間の未知の関係性を抽出する方法について研究を重ねてきた結果、技術分野自体の関連性が密ではないために検討されなかった複数の物性パラメータの関係性が、実は存在している可能性が高いことを見出した。

本発明の目的は、複数の物性パラメータの任意の組合せのうち、既に知られている関係性に基づいて、有意な関係性を有する物性パラメータの未知の組合せとその関連関係を、優先順位をつけて探索する探索方法、探索装置および探索システムを提供することである。

このような課題を解決するための手段を以下に説明するが、その他の課題と新規な特徴は本明細書の記述及び添付図面から明らかになるであろう。

本発明を解決するための手段となる構成を下記に示す。
（構成１）
記憶装置に保持されるデータベースとグラフ生成工程とグラフ探索工程と優先度決定工程とを備えて物性間の関係性を探索する探索方法であって、
前記データベースは、互いの関係性を有する物性パラメータの複数の対を記憶し、
前記グラフ生成工程は、前記データベースに記憶された複数の物性パラメータをノードとし、関係性を有するとして記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
前記グラフ探索工程は、与えられる探索条件に基づいてグラフを探索し、関連する物性あるいは物性間の関連を示す物性間関連性経路を複数提示し、
前記優先度決定工程は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、優先度の高い順に結果を出力する、探索方法。
（構成２）
構成１において、前記グラフは有向グラフであり、
前記グラフ生成工程では、物性パラメータ対の関係性が双方向であるときには、対応するエッジは双方向のエッジを生成し、物性パラメータ対の一方の物性パラメータの値が決まると他方の物性パラメータの値が決まるが逆は決まらないときには、対応するエッジとして、前記一方の物性パラメータに対応するノードから前記他方の物性パラメータに対応するノードへの一方向のエッジを生成する、探索方法。
（構成３）
構成１または２において、前記探索方法は、条件抽出工程と経路評価工程とをさらに備え、
前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、関係性の有無を規定する条件が存在する対についてはその条件をさらに記憶可能であり、
前記条件抽出工程では、前記データベースから前記条件を当該条件によって関係性の有無が規定される対に対応するエッジを条件付きエッジとして、前記条件と対応付けて抽出し、
前記グラフ探索工程では、前記探索結果として、１または複数の経路を前記グラフから抽出して出力し、
前記経路評価工程では、前記１または複数の経路について、前記条件付きエッジが含まれるか否かを判定し、前記条件付きエッジが含まれる経路については、当該条件付きエッジに対応する条件が満足されない場合には、前記１または複数の経路から除外して優先度決定工程用の探索結果とし、
前記優先度決定工程用の探索結果も含めて優先度決定工程にて優先度の高い順に結果を出力する、探索方法。
（構成４）
前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、当該関係性が厳密に理論的に確立された関係性か、経験的に相関が認められた関係性であって理論的には未確立の関係性か、半定量的か、定性的かの何れであるかの関係性の信頼性情報をさらに記憶可能であり、
前記グラフ探索工程では、前記信頼性情報も用いて前記グラフを探索して優先度決定工程用の探索結果を求め、
前記優先度決定工程用の探索結果も含めて優先度決定工程にて優先度の高い順に結果を出力する、構成１から３の何れか１記載の探索方法。
（構成５）
前記優先度決定工程では、前記信頼性情報に基づく信頼度、当該物性に出入りするエッジ数、当該物性値の測定可能性、当該物性値のデータベースデータ量、当該物性の値、および経路を構成するノードの数の少なくとも何れかを用いて優先度を求める、構成１から４の何れか１記載の探索方法。
（構成６）
前記優先度決定工程は、
前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかをスコア化するスコア化工程と、
前記スコア化工程によって求められた前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかのスコアに重みをつけて前記物性間関連性経路毎にスコアを加算するスコア加算工程と、
前記スコアの加算工程によって求められた加算スコアの順に前記物性間関連性経路を並べる物性間関連性経路順位付け工程からなる、構成１から５の何れか１記載の探索方法。
（構成７）
前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の何れかの項目に対して前記加算スコアを求め、加算スコアの高い順を優先度として結果を出力する、構成５または６記載の探索方法。
（構成８）
前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れか項目の複数に対して、項目毎のスコア重みをつけて加算した項目加算スコアを求め、前記項目加算スコアの順を優先度の順位として出力する探索方法であって、
前記項目に対する重みにより、
前記信頼度の前記重みを他の前記項目の重みより大きくした信頼度重視優先度、
前記物性に出入りするエッジ数の前記重みを他の前記項目の重みより大きくした制御重視優先度、
前記物性値の測定可能性の前記重みを他の前記項目の重みより大きくした実測値重視優先度、
実測可能であるものの中から前記物性値のデータベースデータ量の前記重みを他の前記項目の重みより大きくしたデータ量重視優先度、
実測可能であるものの中から前記物性値の前記重みを他の前記項目の重みより大きくした物性限定優先度、
前記項目の重みを全て均等にしたユニバーサル優先度とする、構成５または６記載の探索方法。
（構成９）
物理パラメータが格納された外部のデータベースへのデータアクセス手段とグラフ生成手段とグラフ探索手段と優先度決定手段とユーザーインターフェース手段とを備え、
前記グラフ生成手段は、前記外部のデータベースから前記データアクセス手段を通じて複数の物性パラメータを取得し、前記取得された物性パラメータをノード、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
前記グラフ探索手段は、前記ユーザーインターフェース手段を使ってユーザーによって与えられる探索条件に基づいて前記グラフを探索してグラフ探索結果を求め、
前記優先度決定手段は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、前記ユーザーインターフェース手段により優先順位づけされた探索結果を出力する、探索装置。
（構成１０）
構成９記載の探索装置において構成２から８の何れか１記載の探索方法を用いた、探索装置。
（構成１１）
構成９または１０記載の探索装置において、データ記憶手段をさらに備え、前記データ記憶手段は、前記外部のデータベースから前記データアクセス手段を通じて取得した複数の物性パラメータを記憶し、前記データ記憶手段に記憶された物性パラメータを用いてノード、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成する、探索装置。
（構成１２）
物理パラメータが格納されたデータベースとグラフ生成手段とグラフ探索手段と優先度決定手段とユーザーインターフェース手段とを備え、
前記グラフ生成手段は、前記データベースに格納されている物性パラメータを基に、ノード、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
前記グラフ探索手段は、前記ユーザーインターフェース手段を使ってユーザーによって与えられる探索条件に基づいて前記グラフを探索してグラフ探索結果を求め、
前記優先度決定手段は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、前記ユーザーインターフェース手段により優先順位づけされた探索結果を出力する、探索装置。
（構成１３）
構成１２記載の探索装置において構成２から８の何れか１記載の探索方法を用いた、探索装置。
（構成１４）
データベースとグラフ生成手段とグラフ探索手段と優先度決定手段を備え、
前記データベースは、互いに関係性を有する物性パラメータの複数の対を記憶し、
前記グラフ生成手段は、前記データベースに記憶された複数の物性パラメータをノードとし、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
前記グラフ探索手段は、与えられる探索条件に基づいて前記グラフを探索してグラフ探索結果を求め、
前記優先度決定手段は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、優先度の高い順に結果を出力する、探索システム。
（構成１５）
構成１４において、前記グラフは有向グラフであり、前記グラフ生成手段では、物性パラメータ対の関係性が双方向であるときには、対応するエッジは双方向のエッジを生成し、物性パラメータ対の一方の物性パラメータの値が決まると他方の物性パラメータの値が決まるが逆は決まらないときには、対応するエッジとして、前記一方の物性パラメータに対応するノードから前記他方の物性パラメータに対応するノードへの一方向のエッジを生成する、探索システム。
（構成１６）
構成１４または１５において、前記探索システムは、条件抽出手段と経路評価手段とをさらに備え、
前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、関係性の有無を規定する条件が存在する対についてはその条件をさらに記憶可能であり、
前記条件抽出手段では、前記データベースから前記条件を当該条件によって関係性の有無が規定される対に対応するエッジを条件付きエッジとして、前記条件と対応付けて抽出し、
前記グラフ探索手段では、前記探索結果として、１または複数の経路を前記グラフから抽出して出力し、
前記経路評価手段では、前記１または複数の経路について、前記条件付きエッジが含まれるか否かを判定し、前記条件付きエッジが含まれる経路については、当該条件付きエッジに対応する条件が満足されない場合には、前記１または複数の経路から除外して優先度決定手段用の探索結果とし、
前記優先度決定手段用の探索結果も含めて優先度決定手段にて優先度の高い順に結果を出力する、探索システム。
（構成１７）
前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、当該関係性が厳密に理論的に確立された関係性か、経験的に相関が認められた関係性であって理論的には未確立の関係性か、半定量的か、定性的かの何れであるかの関係性の信頼性情報をさらに記憶可能であり、
前記グラフ探索手段では、前記信頼性情報も用いて前記グラフを探索して優先度決定手段用の探索結果を求め、
前記優先度決定手段用の探索結果も含めて優先度決定手段にて優先度の高い順に結果を出力する、構成１４から１６の何れか１記載の探索システム。
（構成１８）
前記優先度決定手段では、前記信頼度、当該物性に出入りするエッジ数、当該物性値の測定可能性、当該物性値のデータベースデータ量、当該物性の値、および経路を構成するノードの数の少なくとも何れかを用いて優先度を求める、構成１４から１７の何れか１記載の探索システム。
（構成１９）
前記優先度決定手段は、
前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかをスコア化するスコア化手段と、
前記スコア化手段によって求められた前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかのスコアに重みをつけて前記物性間関連性経路毎にスコアを加算するスコア加算手段と、
前記スコアの加算手段によって求められた加算スコアの順に前記物性間関連性経路を並べる物性間関連性経路順位付け手段からなる、構成１４から１８の何れか１記載の探索システム。
（構成２０）
前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の何れかの項目に対して前記加算スコアを求め、加算スコアの高い順を優先度として結果を出力する、
構成１８または１９記載の探索システム。
（構成２１）
前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れか項目の複数に対して、項目毎のスコアに重みをつけて加算した項目加算スコアをつけ、前記項目加算スコアの順を優先度の順として出力する探索システムであって、
前記項目に対する重みにより、
前記信頼度の前記重みを他の前記項目の重みより大きくした信頼度重視優先度、
前記物性に出入りするエッジ数の前記重みを他の前記項目の重みより大きくした制御重視優先度、
前記物性値の測定可能性の前記重みを他の前記項目の重みより大きくした実測値重視優先度、
実測可能であるものの中から前記物性値のデータベースデータ量の前記重みを他の前記項目の重みより大きくしたデータ量重視優先度、
実測可能であるものの中から前記物性値の前記重みを他の前記項目の重みより大きくした物性限定優先度、
前記項目の重みを全て均等にしたユニバーサル優先度とする、構成１８または１９記載の探索システム。

本発明により、複数の物性パラメータの任意の組合せのうち有意な関係性を有する物性パラメータの組合せを、優先度をつけて探索することができる探索方法、検索装置および探索システムを提供することができる。

本発明の探索工程を示すフローチャート図である。 本発明の探索システムの構成を示すブロック図である。 本発明の探索工程を示すフローチャート図である。 有向グラフの経路探索結果の一例を示す説明図である。 実施の形態における生成グラフの一例である。 関連性の高い物性の提示を説明するためのグラフである。 本発明における探索システムのデータベースの構成例を示す説明図である。 探索システムのデータベースを構成するための入力フォームの一例を示す説明図である。 有向グラフの経路探索結果の一例を示す説明図である。 無向グラフの経路探索結果の一例を示す説明図である。 エッジ数に対するスコアを示す特性図である。 探索システムのデータベースを構成するための入力フォームの一例を示す説明図である。 本発明の探索装置の構成を示すブロック図である。 実施例１におけるグラフを示す図である。 具体的なデータベースの入力フォームの例を示す説明図である。 具体的なデータベースの入力フォームの例を示す説明図である。 図１５に対応する生成グラフである。 実施例７におけるグラフを示す図である。 実施例８におけるグラフを示す図である。 実施例９におけるグラフを示す図である。

１．実施の形態の概要
＜探索方法および探索システムの概要＞
本発明での物性間の相互関係は経路で示されるが、その分析にはノードとエッジという概念を用いる。この概念はＳＮＳ等での検索などの分野で用いられている概念で、グラフ理論に基づいている。グラフ理論については、例えば、非特許文献１および非特許文献２に開示がある。
本発明はグラフ理論を利用するものであるが、一般的なグラフ理論はノードとして「物」が対象であるのに対し本発明は「概念」が対象となっている点と、一般的なグラフ理論の適用事象が「一過的」であるのに対し、本発明では「恒久的（非一過的）」である点が異なっている。本発明は、適用事象が非一過的であるため、新規データが追加された場合でも、既存の物性間の関連性にその新規データによる関連性が追加されたものとなる。したがって、本発明はグラフ理論を利用するものであるが、これまでのグラフ理論の利用概念からは趣を異にした利用になっている。
例えば、データベースに別の知見に基づく関係性を有する物性パラメータ対を新たに追加する場合を考えると、これに伴って生成されるグラフも拡張される。その結果、互いに関係性を持たないとされ別々のグラフとされていた複数のグラフを１つのグラフに統合することができる。これにより、新たな経路が生まれ、物性パラメータ間に新たな関係性の存在を見出すことができる可能性が生まれる。

本発明の探索方法は、図１に示すように、データベース１に格納されている物性に関する情報を使って、グラフ生成工程Ｓ１，グラフ探索工程Ｓ２，優先度決定工程Ｓ３、検索結果出力Ｓ４の各工程を行って探索する。また、図２に示すように、本発明の探索システム１０１は、データベース１、グラフ生成手段２、グラフ探索手段３、優先度決定手段４からなる。ここで、本発明の探索システム１０１は、記憶装置と計算機を備えたハードウェアシステム上に、ソフトウェアとして機能構築される。

データベース１は、互いに関係性を有する物性パラメータの複数の対を記憶し、グラフ生成工程Ｓ１およびグラフ生成手段２は、前記データベースに記憶された複数の物性パラメータをノードとし、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成する。グラフ探索工程Ｓ２およびグラフ探索手段３は、与えられる探索条件に基づいてグラフを探索する。優先度決定工程Ｓ３および優先度決定手段４は、グラフ探索工程Ｓ２およびグラフ探索手段３によって求められたグラフ探索結果を基に優先付けを行う。そして、優先付けして探索した結果は出力される（Ｓ４）。
これにより、複数の物性パラメータの任意の組合せのうち、既に知られている関係性に基づいて、有意な関係性を有する物性パラメータの組合せを優先度をつけて探索することができる探索方法や探索システム１０１を提供することができる。そして、この探索により、有意な関係性を有する物性パラメータの組合せの優先度が示される。この情報は、未知の関係性が優先度を伴って提示される可能性をもった極めて有用な情報である。

＜物性間の相互関係の分析の仕方＞
本発明は物性間の関連性を優先順位をつけて提供することを特徴としている。ここでは本発明での物性間の相互関係の分析の仕方についてまず説明し、その後、優先順位の付け方について説明する。

＜＜物性パラメータをノードとし関係性をエッジとするグラフの探索＞＞
データベース１には、互いに関係性を有する物性パラメータの複数の対が記憶される。このときの互いに関係性を有する物性パラメータの対は、科学的根拠に基づいた関係性、即ち、理論的に説明された関係性に基づくものだけではなく、理論的な説明が未だなされておらず、また、定式化もされていない段階であっても、実験データから明確な相関が認められることによって、関係性の存在が知られている物性パラメータの対を含めることができる。なお、「理論的に説明された関係性」には、定理や公式のように定式化された関係性の他、相関の有無や相関係数の正負（一方が増加するときに他方も増加するか減少するかなど）が説明されている半定量的、あるいは、定性的な関係性までもが広く含まれていてよい。このとき、如何なる分野で知られている関係性であっても特に排除される必要はなく、あらゆる分野で関係性が知られている物性パラメータ対を含めることができる。
互いに異なる技術分野においてのみ知られていた関係性を、グラフに統合して表すことによって、すべての関係性がどの技術分野で知られていたかに関わらず、グラフ全体を対象とした経路探索をすることができるため、知られていなかった物性パラメータ間の関係性を新たに発見する可能性がある。

＜＜有向グラフ＞＞
グラフ生成手段Ｓ１は、図４に示すように、物性パラメータ対の関係性が双方向であるときには、対応するエッジは双方向のエッジを生成し、物性パラメータ対の一方の物性パラメータの値が決まると他方の物性パラメータの値が決まるが逆は決まらないときには、対応するエッジとして、前記一方の物性パラメータに対応するノードから前記他方の物性パラメータに対応するノードへの一方向のエッジを生成する。
これにより、因果関係を有するような、一方向の関係性を適切に扱うことができ、経路探索の精度を向上させることができる。

＜＜条件付きエッジ＞＞
図３に示すように、物性間の条件を規定したより高度な探索を行うために、探索工程は、条件抽出工程Ｓ１１と経路評価工程Ｓ１２とをさらに備えることもできる。条件抽出工程Ｓ１１と経路評価工程Ｓ１２は広義のグラフ探索工程に位置づけることもできる。
ここで、データベース１は、互いに関係性を有する物性パラメータの前記複数の対のうち、関係性の有無を規定する条件が存在する対についてはその条件をさらに記憶可能とされる。
条件抽出工程Ｓ１１は、データベース１から条件を当該条件によって関係性の有無が規定される対に対応するエッジを条件付きエッジとし、合せてその条件と対応付けて抽出する。

グラフ探索工程Ｓ３は、探索結果として１または複数の経路をグラフから抽出して出力する。このとき、前記条件の有無は考慮されない。

経路評価工程Ｓ１２は、抽出された１または複数の経路について、条件付きエッジが含まれるか否かを判定し、条件付きエッジが含まれる経路で当該条件付きエッジに対応する条件が満足されない場合には、経路から除外して、探索結果として出力する。
これにより、その関係性に対応する物性パラメータの値、あるいは、別の物性パラメータの値によって関係性の有無が変化するような複雑な関係性をも探索の対象に含めることができる。上述のように、関係性の有無を決める条件はデータベース１から予め抽出しておき、探索結果として出力される複数の経路のそれぞれに条件付きエッジが含まれているかどうか判断する。条件付きエッジが含まれていればその条件が満足されているかどうかを判定することによって、条件を満たさないエッジを経由する経路を探索結果から除外して出力することができる。これにより、条件付きエッジが含まれる場合にも、より精度の高い経路探索を行なうことができる。

＜＜信頼度情報付きエッジ＞＞
データベース１は、互いに関係性を有する物性パラメータの複数の対のうち、当該関係性が理論的に確立された関係性か、半定量的な関係性か、定性的な関係性か、経験的に相関が認められた関係性であって理論的には未確立の関係性かを示す、関係性の信頼性情報をさらに記憶可能とされる。
グラフ探索工程Ｓ３は、前記探索条件に前記信頼性情報についての条件が含まれたときには、当該条件を含む探索条件に基づいてグラフを探索し、その結果を出力する。
これにより、信頼性の高い関係性を優先して探索するなどの探索条件を、ユーザーが適宜指定することができ、より精度の高い経路探索を行なうことができる。

経路評価工程Ｓ１２は、１または複数の経路について信頼性情報が対応付けられたエッジが含まれるか否かを判定し、信頼性情報が対応付けられたエッジが含まれる経路については、信頼性情報についての条件が満足されない場合に経路から除外して、その結果を出力する。
これにより、信頼性の高い関係性を優先して探索するなどの探索条件をユーザーが適宜指定することができ、より精度の高い経路探索を行なうことができる。

＜優先度の付け方＞
＜＜優先度付けの対象＞＞
優先度をつけた出力結果は、大別すると、以下の２つである。
その１つは、対象とする物性間の関連を示した経路である。
図５に示すグラフで「固体内部の電子のエネルギー分布」と「熱電性能」の関連性を例に挙げると、その物性間経路としては、
（ｉ）固体内部の電子のエネルギー分布→熱起電力→熱電性能
（ｉｉ）固体内部の電子のエネルギー分布→電気伝導率→熱電性能
（ｉｉｉ）固体内部の電子のエネルギー分布→電気伝導率→→熱伝導率（電子）→熱伝導率→熱電性能、
が挙げられるが、そこに優先度をつけるというものである。
もう１つは、関連性の高い物性の提示である。グラフでいうと優先度の高いノードを提示するものである。このとき、探索経路のパス数を限定してもよい。
図５の「固体内部の電子のエネルギー分布」を例に挙げると、関連物性としては、「電気伝導率」、「熱起電力」、「熱電性能」、「熱伝導率」を挙げることができるが、そこに物性関連性が高い順に優先度を付与して提示するというものである。
また、探索経路のパス数限定によるノード提示の例として、各物性をＡ，Ｂ，Ｃ等で抽象化した図６に示すグラフを挙げると、例えば、物性Ｍに対してエッジ１個で接続しているＤ，Ｅ，Ｋ，Ｎ、エッジ２個で接続しているＡ，Ｂ，Ｆ，Ｇ，Ｈ，Ｋ，Ｌ、エッジ２個以内で接続しているＡ，Ｂ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈ，Ｋ，Ｌ，Ｎを提示するというものである。

＜＜優先度決定のための評価基準＞＞
＜＜＜評価項目＞＞＞
優先度決定のための評価項目は、信頼度、エッジ数、物性値の測定可能性、物性値のデータベースのデータ量、および物性の値の少なくとも何れか１以上である。ここで、各項目の内容を以下に示す。
（ａ）信頼度：関係性が厳密に理論的か、半定量的か、定性的か、経験的かを示す。
（ｂ）エッジ数：関係する物性の数およびそれに対して重みをつけた量を示す。ここで、関連する物性の数は当該ノードに入出するエッジの矢印の数（出は＋、入は−とする）であり、重みづけをする量はそのエッジの矢印の長さや太さに関する属性を定量化したものである。
（ｃ）物性値の測定可能性：原理的に当該物性値を測定可能で測定方法もある、原理的には測定可能であるが測定方法が知られていない、および原理的に測定不能の何れかを示す。
（ｄ）物性値のデータベースのデータ量：データベースに格納されている当該データベースの量を示す。
（ｅ）物性の値：当該物性の物性値そのものを示す。
このうち、（ａ）はエッジの属性であり、残りの（ｂ）から（ｅ）はノードの属性である。

＜＜＜評価方法＞＞＞
優先度決定のための評価方法は、ノード関連属性である上記項目の（ｂ）から（ｅ）を各々単独に評価する項目別評価方法と、上記項目の（ａ）から（ｅ）のうちの少なくとも複数を組み合わせて評価する複合評価方法の２つに大別される。ここで、複合評価方法は、その方法により下記に示す６つの優先度（コース）に分けられる。
（ｉ）信頼度重視優先度（信頼度重視コース）
（ｉｉ）制御重視優先度（制御重視コース）
（ｉｉｉ）実測値重視優先度（実測値重視コース）
（ｉｖ）データ量重視優先度（データ量重視コース）
（ｖ）物性（材料）限定優先度（物性限定コース）
（ｖｉ）ユニバーサル優先度（ユニバーサルコース）
そして、個々の評価項目にスコアをつけ、そのスコア順に優先度をつける。また、上記各コースの場合は、各コースを構成する項目毎に重みをつけたスコアを加算した項目加算スコアを求め、その項目加算スコア順に優先度をつける。重みの付けの方法については、以下の実施の形態の詳細のところで述べる。

２．実施の形態の詳細
実施の形態について更に詳述する。

（実施形態１）
実施形態１に係る探索方法を図面を引用しながら説明する。
探索システム１０１は、物性パラメータの関係性を記憶するデータベース１とグラフ生成手段２とグラフ探索手段３と優先度決定手段４とを備える（図２参照）。データベース１には、互いに関係性を有する物性パラメータの複数の対が記憶されている。どのような物性パラメータの対が互いに関係性を有するかは、理論的に確立され教科書等に記載されて広く知られている関係に限らず、理論的に十分に説明されるには至っていなくても経験的に知られている関係性が含まれてもよいし、半定量的でも、定性的でもよい。
グラフ生成手段２は、データベース１に記憶された複数の物性パラメータをノードとし、関係性を有する物性パラメータ対に対応するノード間をエッジとするグラフを生成する。
グラフ探索手段３は、与えられる探索条件に基づいてグラフを探索する。
優先度決定手段４は、探索された経路あるいは関連物性に対してスコアに基づく優先度をつけ、優先度付けされた探索結果を出力する。

これにより、探索システム１０１は、複数の物性パラメータの任意の組合せのうち、既に知られている関係性に基づいて、有意な関係性を有する物性パラメータの組合せを優先度をつけて探索することができる。
物性パラメータの関係性を記憶するデータベース１に記憶する互いに関係性を有する物性パラメータ対は、できる限り多くの技術分野から収集するのがよい。これを１つのグラフに集約して表現し、グラフを対象とした経路探索を可能としている。ここで「１つのグラフ」とは、複数のノードとそれらを接続する複数のエッジ、即ち、辺または枝を有し、全てのノードがエッジによって直接または間接に接続されている範囲を意味し、複数のグラフ（部分グラフと呼ばれる場合もある）の集合であってもよい。
グラフを用いて表現することによって、そのエッジに対応する関係性がどのような技術分野で知られていたかに関わらず、単純にエッジの有無のみに基づく経路を探索することができるため、多くの分野を横断的に探索することができる。その結果、有意な関係性を有する物性パラメータの未知の組合せをも発見することが可能になる。
グラフ探索手段３には、数学的なアルゴリズムに基づく種々の経路探索手法を適用することができる。優先度決定手段４については後で詳述する。

探索システム１０１は、データベースインターフェース（図示なし）とユーザーインターフェース（図示なし）とをさらに備えるとよい。データベースインターフェースにより、データベース１へ物性パラメータの関係性に関しての情報を書き込み、その後のデータベース１に記憶されている情報を読み出し確認するなどのデータベース１の管理機能がサポートされる。ユーザーインターフェースにより、グラフ探索手段３に対して探索条件を与え、探索結果を外部に出力することができる。また、優先度決定手段４に対して優先度の方式（優先度コース）を入力したり、優先度の順に並べられた経路探索結果とそのスコア、および関連度が優先順位付けられた物性のリストを受け取ったりすることができる。

ユーザーインターフェースとともにネットワークインターフェースを備えることも好ましい。即ち、探索システム１０１が、ネットワークインターフェース（図示なし）に繋がれ、そのネットワークインターフェースを介してユーザーインターフェース（図示なし）に繋がれる探索システムも好ましい。ネットワークを介してユーザーが探索システム１０１にアクセスできるようになると、システムの遠方から探索を行うことができるようになるとともに、多数のユーザーが本探索システムを利用することが可能になるというメリットがある。

なお、データベースインターフェースとユーザーインターフェースは、必ずしもヒューマンインターフェースに限られるものではなく、他のデータベースや検索システムへのインターフェースであってもよい。

本実施形態１に係る探索方法についてさらに詳しく説明する。
図７は、データベース１の構成例を示す説明図である。一例としてデータベース１の入力フォーム３１を示す。入力フォーム３１は、エッジの表現形式、即ち、互いに関係性を有する物性パラメータの対を各行とする表形式である。第１列は原因側物性パラメータ、第２列は結果側物性パラメータである。必ずしも原因側と結果側に分ける必要はないが、因果関係に方向性がある関係性についても表現することができるメリットがある。一方、双方向に関係性がある場合には、原因側と結果側の物性パラメータを入れ替えた２行を使って、その関係性が記述される。

図７に例示されるように、教科書Ｘ１に理論的関係性として、「Ｄ＝Ａ＋Ｂ」が定式化されているとき、原因側の物性パラメータがＡおよびＢ、結果側物性パラメータがＤとなり（２行目〜３行目）、「Ａ＝ｆ（Ｂ）」が定式化されているとき、ｆはＢを入力としＡを出力とする関数であって逆関数が定義できないときには、原因側の物性パラメータがＢ、結果側物性パラメータがＡとなる（４行目）。論文Ｙ１に物性パラメータＤとＥがよい相関を持つというデータ（チャート）が示されているとき、その関係性が５行目と６行目に入力されている。同様に学会Ｚにおいて、物性パラメータＣとＥがよい相関を持つというデータ（チャート）が発表されているとき、その関係性が７行目と８行目に入力されている。以下同様に、論文Ｙ２に示された物性パラメータＭとＣの関係性が９行目と１０行目に、教科書Ｘ２に示された理論式から導かれる、物性パラメータＫとＪ、ＫとＬ、ＪとＬ、ＬとＪの関係性が１１行目から１５行目に、その他、理論的あるいは経験的に知られている物性パラメータＩとＫ、ＧとＣ、ＧとＦ、ＧとＩ、ＩとＦ、ＬとＨ、ＧとＨの関係性が１６行目から２３行目に、それぞれ入力されている。

入力フォーム３１に記入されて入力された、複数の物性パラメータ対の関係性は、計算機に取り込まれてデータベース１として記憶される。グラフ生成工程Ｓ１はこのデータベース１を入力として、各物性パラメータをノードとし、物性パラメータ相互の関係性の有無をエッジとするグラフを生成する。なお、図７では入力フォーム３１とデータベース１とを明確に区別して表記したが、入力フォーム３１をデータベース１と呼んでもよい。入力フォーム３１の同じ行に記載される２つ１組の物性パラメータ（対）を２つのノードとしてその２つのノード間にエッジが規定されるとすれば、グラフと等価の情報だからである。

図８は、データベース１への他の入力フォーム３２の例を示したもので、入力フォーム３２はノードの表現形式、即ち、当該物性ノードの属性を示す表現形式である。

図４に、生成されるグラフが有向グラフである場合の一例を示す。グラフは無向グラフとすることもできる。但し、有効グラフはエッジの向きを利用して優先度のスコアをつけることができるなど優先度付けを行う上で無効グラフより有効なグラフである。

グラフ探索手段３は、このグラフを対象として与えられた探索条件で経路探索を実行する。例えば、ユーザーが物性パラメータＡを原因側とし、Ｊを結果側とする因果関係の有無を知りたいと考えた場合には、グラフ探索手段３に、ノードＡを始点、ノードＪを終点とすることを探索条件として与えて経路探索を実行させる。その結果、図４に示す有向グラフの場合には、図９に示すような経路探索結果が得られ、図４を無向グラフとした場合には、図１０に示すような経路探索結果が得られる。

グラフ探索手段３に与える探索条件は、上述の始点と終点とするほか、任意に変更することができる。例えば、探索条件として、終点とその終点に至るノード数を指定して、グラフ探索手段３にその終点に至る経路の長さがそのノード数以内である経路をすべてリストアップさせることもできる。これによって、ある特定の物性パラメータと比較的関係性の強い物性パラメータを網羅的にリストアップすることができる。

教科書Ｘ１、Ｘ２、論文Ｙ１、Ｙ２、学会発表Ｚは、まったく異なる分野における教科書、論文、学会発表等であることが望ましい。これにより、教科書Ｘ１で知られていた物性パラメータＡとＤの関係性、論文Ｙ１で知られていた物性パラメータＤとＥの関係性、学会発表Ｚで知られていた物性パラメータＥとＣの関係性、論文Ｙ２で知られていた物性パラメータＣとＭの関係性、及び、教科書Ｘ２で知られていた物性パラメータＭとＪの関係性を順次辿って、物性パラメータＡとＪが関係性を有するという新たな知見を得ることができる。ここで得られる新たな関係性は、数学的に存在し得る関係性に過ぎず、現実に有効な関係性であるかどうかは物理的な評価を待って判断される必要があるかもしれないが、少なくともユーザーである研究者に気付きを提供するという価値がある。

図７に示した入力フォーム３１の様式は一例に過ぎず、任意に変更しまたは他の情報を追加することができる。
例えば、探索の対象とするグラフが無向グラフの場合には、物性パラメータ対について原因側と結果側の区別をする必要がないので、１行に２つの互いに関連する物性パラメータを順不同で列記する様式とすることができる。これにより、データベース１及びグラフを記憶するための記憶装置の記憶容量は有向グラフの場合よりも小さく抑えることができる。
また、有向グラフであっても、入力フォーム３１は、２つのパラメータの記載に続けて、その関係性として、双方向、順方向、または逆方向を示す情報を記載する様式としてもよい。

データベース１に追加する他の情報としては、例えば、物性パラメータ対の関係性の信頼性あるいはその信頼性を数値化した信頼度が挙げられる。理論的に証明されて広く認知されている関係性は極めて信頼性が高い。一方で、２つの物性パラメータ間に相関があることを示す実験データは得られてはいるものの再現性を確認する追実験のデータはまだ得られておらず、また関係性を説明する理論的説明も仮説の域を出ていないような場合、半定量的な場合、あるいは定性的な場合には、その関係性の信頼度は低いものとして扱いたいことがある。このような信頼度の基となる信頼性情報をデータベース１に追加入力しておき、例えば、グラフにおいてエッジの長さに対応付け、グラフ探索手段３では経路の距離として扱うことができる。例えば、信頼度の高いエッジの長さを１とし、信頼度が低くなるにしたがって、２，３，４などと長いエッジを対応付けることができる。なお、優先度は長いエッジほど低くなるので、優先度のスコアとしては、理論的に証明されて確立されている場合を１、信頼度が無い場合を０として、信頼度に応じて０から１の間の値を与えればよい。その値の与え方としては、例えば、エッジの長さの逆数を与えることができる。

本実施形態１では、データベース１とグラフとを区別して説明したが、グラフ自体をグラフ形式のデータベースとして管理することができる。
一般に「データベース」とは、複数のユーザーによる利用を可能とするためにまとめられたデータの集合体である。データベースは階層型、ネットワーク型、リレーショナル型などいくつかの形式に分類することができるが、本発明で言うところのデータベース１は、どのような形式であってもよい。本発明のデータベース１は、少なくとも、グラフを構成するデータ、即ち、各ノードに対応する物性パラメータとエッジに対応する物性パラメータ対の間の関係性をデータの集合体として含んでいればよく、グラフを構成するデータの集合体のみで構成されてもよい。

その場合には、データベース１という構成要素を省略してデータベースインターフェースからグラフ生成手段２を介して、各物性パラメータをノード、物性パラメータ間の関係性をエッジとしたグラフにアクセスすることができるように実装することができる。このときのグラフはデータベースの一形態として位置付けられる。ここではこれを「グラフ形式のデータベース」と呼ぶこととする。グラフ形式のデータベースはグラフ理論を利用した経路探索等の対象として作用するからである。

次に、優先度の付け方について述べる。
前述のように、優先度評価の個別項目としては、信頼度、エッジ数、物性値の測定可能性、物性値のデータベースのデータ量、および物性値の値がある。そして、それらにスコアをつけて優先度を決定する。
複数のノードを経由した経路の場合の各経路毎のスコアは、その経路を構成する当該ノードおよびエッジのスコアを加算した後、出発点を除いた経路を構成するノードの数で割った値とする。優先度はスコアの高い順とするが、同じスコアのときは経由するノードの数が少ない方または経路が短い方を優先する。
一方で、複数のノードを経由した経路の場合のスコアをその経路を構成する当該ノードおよびエッジのスコアの加算とし、その加算されたスコアの大きい順を優先度とすることもできる。この方法は、比較的長い経路の優先度が上がりやすい方法で、その結果、物性間の関係性が知られていない物性間情報を抽出するのに好適な方法となる。
なお、各評価項目の何れか１を使って優先度を決定する場合は、選択した項目のみのスコアによって優先度を決定する。
ここで、各個別項目のスコアの付け方は下記のようにする。

（ａ）信頼度：信頼度は、関係性が厳密に理論的か、半定量的か、定性的か、経験的かに依存する量であるが、信頼度の高い方を１として、０以上１以下の数字を割り振る。例えば、関係性が厳密に理論的の場合１、半定量的の場合０．７、定性的の場合０．４、経験的の場合０．２を割り振る。

（ｂ）エッジ数：エッジ数は、当該物性（当該ノード）から出る数から当該ノードに入る数を引いた値とし、出る数と入る数は、各々の矢印の長さや太さに応じて重みをつけて加算した下記数とする。
エッジ数＝出るエッジ数−入るエッジ数
出るエッジ数＝Σ（重みの付いた出るエッジ）
入るエッジ数＝Σ（重みの付いた入るエッジ）
当該物性に入ってくるエッジが多いということは、その物性が他要因による影響を受けやすく、関係性という観点からは安定性が低いので減算とする。
スコアは、エッジ数を変数とする０以上１以下の値をとるＳ字曲線で与えられる数とする。このＳ字曲線は、図１１に示すように、エッジ数が０のときスコアは０となり、エッジ数が大きくなるに従い始めはスコアが緩やかに上昇し、その後急激に上昇する領域を経て、１に飽和する曲線を描く。数式的には、この曲線はシグモイド関数を用いて近似的に表すことが可能である。

（ｃ）物性値の測定可能性：原理的に測定可能で測定法もあり、原理的には測定可能であるが現状測定法が知られていない、および原理的に測定不可能との位置づけの３種類に分類し、スコアは、測定可能性の高い方の上限を１として０以上１以下を割り付ける。例えば、スコアとして、原理的に測定可能で測定法もありに１、原理的には測定可能であるが現状測定法が知られていないに０．４、原理的に測定不可能に０を割り当てる。

（ｄ）物性値のデータベースのデータ量：当該物性値のデータベース上のデータ量（データ数）をｎとしたとき、物性値のデータベースのデータ量のスコアは、データ数ｎを変数とする０以上１以下の値をとる、数式的にシグモイド関数を用いて近似的に表すことができるＳ字曲線で与えられる数とする。

（ｅ）物性の値：当該物性値に関し、ユーザーがその数値範囲をμ±σと指定したとき、その範囲を基準にした正規分布確率密度からスコアを算出する。より詳しく述べると、物性の値のスコアは、μを中心としてσを標準偏差とする正規分布確率密度関数を０以上１以下の範囲で規格化した数値とする。

一方、各評価項目の何れか２以上を使って複合評価して優先度を決定する場合は、下記のようにして総合スコア（以下ポイントとも称す）を求め、優先度は総合スコアの高い順とする。

総合スコアＳ_Ｔは、上記信頼度、エッジ数、物性値の測定可能性、物性値のデータベースのデータ量、物性の値の各項目のスコアを、それぞれＳ_ａ、Ｓ_ｂ、Ｓ_ｃ、Ｓ_ｄ、Ｓ_ｅとし、各項目の重み付け係数をそれぞれα_ａ、α_ｂ、α_ｃ、α_ｄ、およびα_ｅとしたときに、下記式（１）で定義する。
Ｓ_Ｔ＝α_ａ・Ｓ_ａ＋α_ｂ・Ｓ_ｂ＋α_ｃ・Ｓ_ｃ＋α_ｄ・Ｓ_ｄ＋α_ｅ・Ｓ_ｅ （式１）
そして、各重視優先度（各重視コース）に応じて、重み付け係数の値を調整する。
ここで、重み付け係数の調整の指針は下記のとおりとする。

（ｉ）信頼度重視コース：α_ａ＞α_ｃ＞＞α_ｂ〜α_ｄ，α_ｅ＝０
（ｉｉ）制御重視コース：α_ｂ＞α_ｃ〜α_ｄ＞α_ａ〜α_ｅ
（ｉｉｉ）実測値重視コース：α_ｃ＞α_ｄ＞α_ａ〜α_ｂ〜α_ｅ
（ｉｖ）データ量重視コース：α_ｃ・α_ｄ＞＞α_ａ〜α_ｂ〜α_ｅ
（ｖ）物性限定コース：α_ｃ・（α_ｅ＞＞α_ａ＞α_ｂ〜α_ｄ）
（ｖｉ）ユニバーサルコース：α_ａ〜α_ｂ〜α_ｃ〜α_ｄ〜α_ｅ
ここからわかるように、各重視コースは、その重視する項目に対して重点的に重みをつけている。そして、物性限定コースでは、実測を重視しているのでα_ｃを掛け、測定不能の場合は総合スコアが０になるように設定されている。ユニバーサルコースは各項目の重みをほぼ均等にしている。

（実施形態２）
物性パラメータ対の関係性には、その有無や内容が条件によって変化するものがある。例えば、引っ張り強さとビッカース硬度は、遷移金属炭化物であることを条件として比例関係となる。引っ張り強度がせん断強度で決まる場合に、引っ張り強さとビッカース硬度は比例関係となるが、遷移金属炭化物の引っ張り強度がせん断強度で決まるからである。また、超塑性を示さない物質であることを条件として、引っ張り強さと結合ポテンシャルの深さには関係性が存在する。したがって、物性パラメータの関係性を探索する上では、このような条件を勘案して経路の有無や距離を判断する必要がある。

物性パラメータ対の条件付きの関係性に対応するためには、グラフ探索工程Ｓ２およびグラフ探索手段３を条件付きのエッジに対応することができるグラフ探索アルゴリズムを実装したソフトウェアに変更することによって解決することができる。これにより、図１および図２の構成を変更することなく、そのまま条件付きの関係性に対応することができる。

一方、このような条件判断を一般的なグラフ探索に組み込むことは、必ずしも適切な解決手段ではない場合がある。グラフの経路探索は、純粋に数学的なアルゴリズムが確立しており、それを実装したソフトウェアライブラリが既に提供されている。

本発明には、物性パラメータの関係性をグラフにマッピングすることによって、このような一般的なグラフ理論に基づく種々の探索アルゴリズムの利用を可能としたという側面がある。そのため、このようなグラフ探索アルゴリズムを実装したソフトウェアライブラリは、本発明のグラフ探索工程Ｓ２およびグラフ探索手段３に適用するにあたっての整合性が極めて高く、多くのソフトウェアライブラリは変更することなく、そのままグラフ探索工程Ｓ２およびグラフ探索手段３に適用することができる。

これに対して、上記のような条件付きのエッジに対応することができるグラフ探索アルゴリズムを実装したソフトウェアライブラリで、そのまま本発明のグラフ探索工程Ｓ２およびグラフ探索手段３に適用できるものは限られる。また、一般的なグラフ探索アルゴリズムを実装したソフトウェアライブラリに条件判断機能を追加することは、追加するプログラミングのための作業工数が必要となる上、プログラムバグを混入させる危険性を増やすことになる。

図３は、本実施形態２に係る探索方法の工程を示すフローチャート図である。図１に示す探索方法と比較して、さらに、条件抽出工程Ｓ１１と経路評価工程Ｓ１２とをさらに備える。
データベース１には、互いに関係性を有する物性パラメータの複数の対のうち、関係性の有無を規定する条件が存在する対についてはその条件がさらに記憶される。
条件抽出工程Ｓ１１では、データベース１からその条件を当該条件によって関係性の有無が規定される対に対応するエッジ（条件付きエッジ）と対応付けて抽出される。
グラフ探索工程Ｓ２はグラフの経路探索を行って探索結果を出力するが、このとき、条件付きエッジの有無は考慮されない。
経路評価工程Ｓ１２は、抽出された経路に条件付きエッジが含まれるか否かを判定し、条件付きエッジが含まれる経路についてはその条件が満足されるか否かを判定する。条件が満足されない場合には、グラフ探索工程Ｓ２で出力した結果からそれを除外して、優先度付け前の探索結果とする。

これにより、その関係性に対応する物性パラメータの値、あるいは、別の物性パラメータの値によって関係性の有無が変化するような複雑な関係性をも探索の対象に含めることができる。一方、グラフ探索工程Ｓ２は条件付きエッジを含むグラフを探索するような機能を追加する必要はなく、実施形態１と全く同様に、一般のグラフ探索ソフトウェアを適用することができる。
なお、本実施形態では、有向グラフを例にとって条件付きエッジについて説明したが、無向グラフにおいても同様に条件付きエッジを含めた実施形態が可能である。

図１２は、探索システム１０１のデータベース１を構成するための入力フォーム３３の一例を示す説明図である。図７に示した入力フォーム３１の例と比較すると、関係性の有無、関係性メモ、関係性分類１、関係性分類２、条件ノード、条件及び関係性が追加されている。関係性分類は、例えば、実施形態１において説明した信頼度情報であってもよい。条件ノードは、条件が特定の物性パラメータの値（内容）である場合に、その物性パラメータに対応するノードを記載し、条件にはその値または内容を記載する。

関係性には、その関係性が定式化されているときはその式が、また、半定量である場合や関係性が経験的なものである場合はその近似式が、それぞれ記載される。式に代えて、または、式が規定される物性パラメータ対と混在させて、定性的な関係性が記載されてもよい。例えば、正の相関を持つか負の相関を持つかが記載されてもよい。探索結果である経路上のすべての式を使用することによって、新たに見出された物性パラメータ対の関係性を定式化することができる。探索結果である経路に定性的な関係性が含まれている場合には、新たに見出された物性パラメータ対の定性的な関係性を見出すことができる。例えば、図９に例示した経路において、物性パラメータＪを大きくするために、物性パラメータＡをより小さい物質に変更するとよいというような示唆を得ることができる。

以上説明したように、データベース１には単純な関係性に加えて、関係性の信頼度を示す情報、関係性の有無または内容を規定する条件、関係性を示す式あるいは定性的な関係性を、さらに含めることができる。これらの情報は、グラフ探索工程Ｓ２における経路探索に利用し、または、条件抽出工程Ｓ１１を介して経路評価工程Ｓ１２に供給されて抽出された経路の付加情報として利用することができる。
そして、この高度化された関係性を基に、実施の形態１に示した方法によって優先度付けを行うことができる。

（実施の形態３）
実施の形態３では、図１３を用いて、検索装置１０２について説明する。この検索装置１０２は、グラフ生成手段２、グラフ探索手段３、優先度決定手段４、ユーザーインターフェース手段５、及びデータアクセス手段６よりなる。
検索装置１０２では、ユーザーからの指示はユーザーインターフェース手段５で受ける。そして、ユーザーインターフェース手段５は、外部に設置されたデータベース１６にアクセスして必要な物性に関するデータを得るようにデータアクセス手段６に指示を出す。データアクセス手段６は、データベース１６から必要なデータを取得して、そのデータをグラフ生成手段２に送る。前記の工程に従って、グラフ探索手段３によりグラフを探索し、優先度決定手段４によって優先度付けされた探索結果は、ユーザーインターフェース手段５を通してユーザーに提供される。
なお、データアクセス手段による物性データの取得方法は、ネットを介する方法、ディスクなどのメディアによる方法等があるが、その方法は問わない。

この検索装置１０２は、データベース１６が検索装置１０２の外部に設置されていることを特徴とする。ビッグデータである物性に関する大量のデータは、個別の検索装置に置かれておくより外部の共用設備として置かれる方がデータの効率運用ができる。

また、個々の物性パラメータの情報と、互いの関係性を有する前記物性パラメータの複数の対の情報が記憶されたデータベース１６は、インターネットなどにより複数の検索装置１０２と繋げることにより、多数のユーザーが利用することが可能となり、データベースの利用効率が上がる。

上記の検索装置１０２では、物性のデータを検索装置１０２の外部に設置されたデータベースに逐次データアクセス手段６を通じて入手する場合を示すが、検索装置１０２内に
データ記憶手段（図示なし）をさらに備えてもよい。このデータ記憶手段は、外部のデータベース１６からデータアクセス手段６を通じて取得した複数の物性パラメータを記憶する。この方法では、本目的の探索に関連する物性データを一括して格納することができるので、外部とのアクセス回数が減り、データアクセス対する効率が上がるという特徴がある。

また、検索装置は、物理パラメータが格納されたデータベースとグラフ生成手段とグラフ探索手段と優先度決定手段とユーザーインターフェース手段とを備えてもよい。この装置では、内部にデータベースを備えるのでデータアクセスの効率はさらに向上する。

以上、本発明者によってなされた発明を実施形態に基づいて具体的に説明したが、本発明はそれに限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは言うまでもない。

（実施例１）
実施例１では、図１４に示したグラフにおけるＡからＪへの経路の場合について、エッジ数を優先度判断項目としたときの優先度決定方法の例を示す。
ここでは、重み付けを全て１とする。
その場合の各ノードにおけるエッジ数は下記のようになる。
Ｂ：３−２＝１、Ｃ：２−２＝０、Ｄ：３−２＝１、Ｅ：２−３＝−１、Ｆ：２−２＝０、Ｇ：４−２＝２、Ｈ：２−０＝２、Ｉ：１−２＝−１、Ｋ：２−２＝０、Ｌ：１−２＝−１、Ｍ：２−１＝１、Ｎ：１−２＝−１

ＡからＪへ至る経路は全部で１２通りあるが、それぞれの経路に対してノードを上記のエッジ数で計算すると下記のようになる。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１＋０＋０＝１
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：１＋０＋０−１−１＝−１
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：１＋１＋２−１−１−１＝１
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：１＋１＋２−１＝３
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：１＋１＋２−１＝３
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：１＋１＋２＋１−１−１−１＝２
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：１＋１−１＝１
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：１＋１＋２−１−１−１＝１
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：１＋１＋２−１＝３
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：１＋１＋２−１＝３
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：１＋１−１−１−１＝−１
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：−１−１−１＝−３

これを、経路を構成するノードの数（出発点を除いたノードの数）で割った値は下記のようになる。ここで、見やすくするために小数点３桁目で四捨五入した。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１／４＝０．２５
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：−１／６＝−０．１６７
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：１／７＝０．１４３
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：３／５＝０．６
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：３／５＝０．６
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：２／８＝０．２５
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：１／４＝０．２５
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：１／７＝０．１４３
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：３／５＝０．６
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：３／５＝０．６
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：−１／６＝−０．１６７
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：−３／４＝−０．７５

同じスコアの場合はノードの数が少ない経路を優先して、スコアの多い順に並べてそれを優先度とすると下記のようになる。
［１］Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：スコア＝０．６
［１］Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：スコア＝０．６
［１］Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：スコア＝０．６
［１］Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：スコア＝０．６
［５］Ａ→Ｂ→Ｃ→Ｆ→Ｊ：スコア＝０．２５
［５］Ａ→Ｂ→Ｍ→Ｉ→Ｊ：スコア＝０．２５
［７］Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．２５
［８］Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．１４３
［８］Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．１４３
［１０］Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：スコア＝−０．１６７
［１０］Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝−０．１６７
［１２］Ａ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝−０．７５
以上のようにして、エッジ数を優先度判断項目としたときの優先度が提供された。

（実施例２）
以上の実施例１では、物性パラメータをＡ，Ｂ，Ｃ等で抽象化して説明したが、実施例２では、具体的な物性パラメータに適用した例について説明する。
図１５は、より具体的なデータベース１のエッジ情報に関する入力フォーム３１の例を示す説明図である。この例では「関係性分類１」の項目に、信頼度が数値で入力されている。関係性がない場合は信頼度０、理論的に確立した関係性があるときはその信頼度に応じて０．４または０．７、理論的な演繹または実験によって得られた相関関係に基づく関係性は信頼度１として示した。

表面物理の分野で知られている知見から、仕事関数とその表面項、バルク項、及び、表面ダイポール、表面電荷分布、フェルミレベル深さの相互に関係性の有無が規定される。 フェルミレベルの深さと結合ポテンシャル深さとの関係性は、化学結合論に基づいて演繹的に導かれる。組成と表面偏析の有無、表面組成及びバルク組成の関係性は、表面熱力学に基づくものである。引張り強さとビッカース硬度と結合ポテンシャル深さとの関係は材料力学に基づくものであり、バルク組成とフェルミレベルの深さは固体物理に基づくものである。また、引張り強さと結合ポテンシャル深さとの関係性には、「超塑性を示さない物質」であるという条件１が満足されたときに関係性が認められ、引張り強さとビッカース硬度の間には、「遷移金属炭化物なら比例関係」であるという条件２が規定されている。このように、エッジに関する多くの分野の知見が１つのデータベース１に集約される。

図１６の入力フォーム３５は、図１５に示した物性のノード情報に関する入力フォーム３１の例を示す説明図であり、ノードである各物性に対して、エッジ数などの優先度決定のための項目にスコアをつけて一覧にした表となっている。
そして、図１５に示されたエッジ情報に関する入力フォーム３４と、図１６に示されたノード情報に関する入力フォーム３５を基に生成したグラフを図１７に示す。
図１７は、原因側物性パラメータを始点とし、結果側物性パラメータを終点とする有向グラフである。信頼度０．４および０．７のエッジを破線で示し、信頼度１のエッジを実線で示す。信頼度０は関係性がないので対応するエッジはない。条件１及び条件２はグラフのノードとエッジのいずれにも属していないので、関係性が規定される対象のエッジに対応付けて示される。なお、実測が可能な物性パラメータは二重枠線で示されている。

このグラフを経路探索することにより、ビッカース硬度と仕事関数との間に関係性が存在することが見出される。即ち、ビッカース硬度−引張り強さ−結合ポテンシャルの深さ−フェルミレベルの深さ−仕事関数のバルク項−仕事関数という経路である。この経路は、材料力学の知見と化学結合論の知見と表面物理の知見とを横断的に探索することによって初めて見出すことができる分野横断的な関係性である。このように、本発明の探索方法および探索システム１０１は、互いに異なる複数の分野の知見を１つのグラフに集約して表現することによって、分野横断的な経路探索を可能とし、その結果、一見関係性がないと思われるような物性パラメータ間に分野横断的な関係性の存在を見出すことができる。

次に、組成を出発物性として、組成と関連する物性を優先度をつけて探索した。そこでは、組成を出発物性として、構成するノードの数が出発点を含めずに５までの経路（パス）について関連物性を求め、さらにその関連物性の優先度を求めた。
まず、パスとしては下記の１１の経路が挙げられる。
（ａ）組成→表面偏析の有無
（ｂ）組成→表面偏析の有無→表面組成
（ｃ）組成→表面偏析の有無→バルク組成
（ｄ）組成→表面偏析の有無→表面組成→表面電荷分布
（ｅ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ
（ｆ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール
（ｇ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ
（ｈ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項
（ｉ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール→表面項
（ｊ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項→仕事関数
（ｋ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ→引張り強さ

次に、信頼度重視コースで優先度付けを行った。
上記（ａ）から（ｋ）の各信頼度のスコアＳ_ａは、入力フォーム３４のデータを用いて下記のようになる。ここで、スコアは、小数点以下３桁目で四捨五入した値とした。
（ａ）０．７
（ｂ）（０．７＋０．４）／２＝０．５５
（ｃ）（０．７＋０．４）／２＝０．５５
（ｄ）（０．７＋０．４＋０．４）／３＝０．５
（ｅ）（０．７＋０．４＋０．７）／３＝０．６
（ｆ）（０．７＋０．４＋０．４＋１）／４＝０．６２５
（ｇ）（０．７＋０．４＋０．７＋０．７）／４＝０．６２５
（ｈ）（０．７＋０．４＋０．７＋１）／４＝０．７
（ｉ）（０．７＋０．４＋０．４＋１＋１）／５＝０．７
（ｊ）（０．７＋０．４＋０．７＋１＋１）／５＝０．７６
（ｋ）（０．７＋０．４＋０．７＋０．７＋１）／５＝０．７

エッジ数Ｓ_ｂのスコアは下記のようになる。
（ａ）（０＋０）／２＝０
（ｂ）（０＋０＋０）／３＝０
（ｃ）（０＋０＋０）／３＝０
（ｄ）（０＋０＋０＋０）／４＝０
（ｅ）（０＋０＋０＋０）／４＝０
（ｆ）（０＋０＋０＋０＋０）／５＝０
（ｇ）（０＋０＋０＋０＋０）／５＝０
（ｈ）（０＋０＋０＋０＋０）／５＝０
（ｉ）（０＋０＋０＋０＋０＋０）／６＝０
（ｊ）（０＋０＋０＋０＋０−２）／６＝−０．３３３
（ｋ）（０＋０＋０＋０＋０＋０）／６＝０

測定可能性のスコアＳ_ｃは下記のようになる。
（ａ）（１＋１）／２＝１
（ｂ）（１＋１＋１）／３＝１
（ｃ）（１＋１＋１）／３＝１
（ｄ）（１＋１＋１＋０．４）／４＝０．８５
（ｅ）（１＋１＋１＋０．４）／４＝０．８５
（ｆ）（１＋１＋１＋０．４＋０．４）／５＝０．７６
（ｇ）（１＋１＋１＋０．４＋０．４）／５＝０．７６
（ｈ）（１＋１＋１＋０．４＋０．４）／５＝０．７６
（ｉ）（１＋１＋１＋０．４＋０．４＋０．４）／６＝０．７
（ｊ）（１＋１＋１＋０．４＋０．４＋１）／６＝０．８
（ｋ）（１＋１＋１＋０．４＋０．４＋１）／６＝０．８

データベースデータ量のスコアＳ_ｄは下記のようになる。
（ａ）（０．９＋０．５）／２＝０．７
（ｂ）（０．９＋０．５＋０．５）／３＝０．６３３
（ｃ）（０．９＋０．５＋０．９）／３＝０．７６７
（ｄ）（０．９＋０．５＋０．５＋０．１）／４＝０．５
（ｅ）（０．９＋０．５＋０．９＋０．１）／４＝０．６
（ｆ）（０．９＋０．５＋０．５＋０．１＋０．１）／５＝０．４２
（ｇ）（０．９＋０．５＋０．９＋０．１＋０．１）／５＝０．５
（ｈ）（０．９＋０．５＋０．９＋０．１＋０．１）／５＝０．５
（ｉ）（０．９＋０．５＋０．５＋０．１＋０．１＋０．１）／６＝０．３６７
（ｊ）（０．９＋０．５＋０．９＋０．１＋０．１＋０．２）／６＝０．４５
（ｋ）（０．９＋０．５＋０．９＋０．１＋０．１＋０．９）／６＝０．５６７

ここでの信頼度重視コースでは、信頼度の重みα_ａを１、エッジ数の重みα_ｂを０．０１、測定可能性の重みα_ｃを０．５、物性値のデータベースのデータ量の重みα_ｄを０．０１、物性の値の重みα_ｅを０として、前記の式１を用いて総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}を求めた。

総合スコア順に、信頼度重視コースの優先度をつけた経路の結果を以下に示す。
［１］：（ａ）組成→表面偏析の有無：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．２０７
［２］：（ｊ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項→仕事関数：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．１６１
［３］：（ｋ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ→引張り強さ：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．１０６
［４］：（ｈ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．０８５
［５］：（ｃ）組成→表面偏析の有無→バルク組成：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．０５８
［６］：（ｂ）組成→表面偏析の有無→表面組成：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．０５６
［７］：（ｉ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール→表面項：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．０５４
［８］：（ｅ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．０３１
［９］：（ｇ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．０１
［１０］：（ｆ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝１．００９
［１１］：（ｄ）組成→表面偏析の有無→表面組成→表面電荷分布：総合スコアＳ_{Ｔ―Ｒｅｌｉａｂｉｌｉｔｙ}＝０．９３
以上のようにして、信頼度重視コースでの優先度が提供された。

（実施例３）
実施例３では、実施例２のデータ、即ち、入力データフォーム３４および３５を用いて制御重視コースの優先度を求めた。
ここでの制御重視コースでは、信頼度の重みα_ａを０．３、エッジ数の重みα_ｂを１、測定可能性の重みα_ｃを０．５、物性値のデータベースのデータ量の重みα_ｄを０．５、物性の値の重みα_ｅを０．３として、前記の式１を用いて総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}を求めた。なお、物性の値のスコアＳ_ｅは入力データフォーム３５に記載がないため全て０とした。

総合スコア順に、制御重視コースの優先度をつけた経路の結果を以下に示す。
［１］：（ａ）組成→表面偏析の有無：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝１．０６
［２］：（ｃ）組成→表面偏析の有無→バルク組成：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝１．０４８
［３］：（ｂ）組成→表面偏析の有無→表面組成：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．９８
［４］：（ｅ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．９０５
［５］：（ｋ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ→引張り強さ：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．８９３
［６］： （ｈ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．８４
［７］：（ｄ）組成→表面偏析の有無→表面組成→表面電荷分布：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．８２５
［８］：（ｇ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．８１８
［９］：（ｆ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．７７８
［１０］：（ｉ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール→表面項：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．７４３
［１１］：（ｊ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項→仕事関数：総合スコアＳ_{Ｔ―Ｃｏｎｔｒｏｌ}＝０．４３
以上のようにして、制御重視コースでの優先度が提供された。

（実施例４）
実施例４では、実施例２のデータ、即ち、入力データフォーム３４および３５を用いて実測値重視コースの優先度を求めた。
ここでの実測値重視コースでは、信頼度の重みα_ａを０．３、エッジ数の重みα_ｂを０．３、測定可能性の重みα_ｃを１、物性値のデータベースのデータ量の重みα_ｄを０．５、物性の値の重みα_ｅを０．３として、前記の式１を用いて総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}を求めた。なお、物性の値のスコアＳ_ｅは入力データフォーム３５に記載がないため全て０とした。

総合スコア順に、実測値重視コースの優先度をつけた経路の結果を以下に示す。
［１］：（ａ）組成→表面偏析の有無：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．５６
［２］：（ｃ）組成→表面偏析の有無→バルク組成：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．５４８
［３］：（ｂ）組成→表面偏析の有無→表面組成：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．４８２
［４］：（ｅ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．３３
［５］：（ｋ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ→引張り強さ：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．２９３
［６］：（ｄ）組成→表面偏析の有無→表面組成→表面電荷分布：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．２５
［７］：（ｈ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．２２
［８］：（ｇ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．１９８
［９］：（ｆ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．１５８
［１０］：（ｊ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項→仕事関数：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．１５３
［１１］： （ｉ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール→表面項：総合スコアＳ_{Ｔ―Ｍｅａｓｕｒｅ}＝１．０９３
以上のようにして、実測値重視コースでの優先度が提供された。

（実施例５）
実施例５では、実施例２のデータ、即ち、入力データフォーム３４および３５を用いてデータ量重視コースの優先度を求めた。
ここでのデータ量重視コースでは、信頼度の重みα_ａを０．１、エッジ数の重みα_ｂを０．１、測定可能性の重みα_ｃを１、物性値のデータベースのデータ量の重みα_ｄを１、物性の値の重みα_ｅを０．１として、前記の式１を用いて総合スコアＳ_{Ｔ―Ｄａｔａ}を求めた。なお、物性の値のスコアＳ_ｅは入力データフォーム３５に記載がないため全て０とした。

総合スコア順に、実測値重視コースの優先度をつけた経路の結果を以下に示す。
［１］：（ｃ）組成→表面偏析の有無→バルク組成：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．８２２
［２］：（ａ）組成→表面偏析の有無：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．７７
［３］：（ｂ）組成→表面偏析の有無→表面組成：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．６８９
［４］：（ｅ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．５１
［５］：（ｋ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ→引張り強さ：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．４３７
［６］：（ｄ）組成→表面偏析の有無→表面組成→表面電荷分布：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．４
［７］：（ｈ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．３３
［８］：（ｇ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．３２３
［９］：（ｊ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項→仕事関数：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．２９３
［１０］：（ｆ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．２４３
［１１］：（ｉ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール→表面項：総合スコアＳ_{Ｔ―Ｄａｔａ}＝１．１３７
以上のようにして、データ量重視コースでの優先度が提供された。

（実施例６）
実施例６では、実施例２のデータ、即ち、入力データフォーム３４および３５を用いてユニバーサルコースの優先度を求めた。
ここでのユニバーサルコースでは、信頼度の重みα_ａを０．５、エッジ数の重みα_ｂを０．５、測定可能性の重みα_ｃを０．５、物性値のデータベースのデータ量の重みα_ｄを０．５、物性の値の重みα_ｅを０．５として、前記の式１を用いて総合スコアＳ_{Ｔ―Ｕｎｉｖ}を求めた。なお、物性の値のスコアＳ_ｅは入力データフォーム３５に記載がないため全て０とした。

総合スコア順に、実測値重視コースの優先度をつけた経路の結果を以下に示す。
［１］：（ａ）組成→表面偏析の有無：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝１．２
［２］：（ｃ）組成→表面偏析の有無→バルク組成：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝１．１５８
［３］：（ｂ）組成→表面偏析の有無→表面組成：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝１．０９２
［４］：（ｋ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ→引張り強さ：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝１．０３３
［５］：（ｅ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝１．０２５
［６］：（ｈ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝０．９８
［７］：（ｇ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→結合ポテンシャルの深さ：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝０．９４３
［８］：（ｄ）組成→表面偏析の有無→表面組成→表面電荷分布：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝０．９２５
［９］：（ｆ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝０．９０３
［１０］：（ｉ）組成→表面偏析の有無→表面組成→表面電荷分布→表面ダイポール→表面項：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝０．８８３
［１１］：（ｊ）組成→表面偏析の有無→バルク組成→フェルミレベルの深さ→バルク項→仕事関数：総合スコアＳ_{Ｔ―Ｕｎｉｖ}＝０．８３９
以上のようにして、ユニバーサルコースでの優先度が提供された。

（実施例７）
実施例７では、図１８に示したグラフにおけるＡからＪへの経路の場合について、物性値の測定可能性を優先度判断項目としたときの優先度決定方法の例を示す。
ここでは、原理的に測定可能で測定方法もある場合を１、原理的に測定化のであるが測定方法が見当たらない場合を０．４、原理的に測定不可能の場合を０という重みづけにした。
図１８では、原理的に測定可能で測定方法もある場合であるＡ，Ｅ，Ｆ，Ｉ，Ｍ，Ｊを２重丸、原理的に測定化のであるが測定方法が見当たらない場合であるＢ，Ｃ，Ｇ，Ｋを１重丸、そして原理的に測定不可能の場合であるＤ，Ｈ，Ｌ，Ｎを破線の丸で表している。

ＡからＪへ至る経路は全部で１２通りあるが、それぞれの経路に対してノードを上記のエッジ数で計算すると下記のようになる。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：０．４＋０．４＋１＝１．８
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：０．４＋０．４＋１＋０＋０＝１．８
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：０．４＋１＋０．４＋１＋０＋０＝２．８
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：０．４＋１＋０．４＋１＝２．８
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：０．４＋１＋０．４＋０＝１．８
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：０．４＋１＋０．４＋０＋１＋９＋０＝２．８
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：０．４＋１＋１＝２．４
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：０．４＋０＋０．４＋１＋０＋０＝１．８
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：０．４＋０＋０．４＋１＝１．８
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：０．４＋０＋０．４＋０＝０．８
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：０．４＋０＋１＋０＋０＝１．４
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：１＋０＋０＝１

これを、経路を構成するノードの数（出発点を除いたノードの数）で割った値は下記のようになる。ここで、見やすくするために小数点３桁目で四捨五入した。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１．８／４＝０．４５
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：１．８／６＝０．３
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：２．８／７＝０．４
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：２．８／５＝０．５６
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：１．８／５＝０．３６
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：２．８／８＝０．３５
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：２．４／４＝０．６
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：１．８／７＝０．２５７
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：１．８／５＝０．３６
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：０．８／５＝０．１６
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：１．４／６＝０．２３３
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：１／４＝０．２５

同じスコアの場合はノードの数が少ない経路を優先して、スコアの多い順に並べてそれを優先度とすると下記のようになる。
［１］Ａ→Ｂ→Ｍ→Ｉ→Ｊ：スコア＝０．６
［２］Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：スコア＝０．５６
［３］Ａ→Ｂ→Ｃ→Ｆ→Ｊ：スコア＝０．４５
［４］Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．４
［５］Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：スコア＝０．３６
［５］Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：スコア＝０．３６
［７］Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．３５
［８］Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：スコア＝０．３
［９］Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．２５７
［１０］Ａ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．２５
［１１］Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：スコア＝０．２３３
［１２］Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：スコア＝０．１６
以上のようにして、物性値の測定可能性を優先度判断項目としたときの優先度が提供された。

（実施例８）
実施例８では、図１９に示したグラフにおけるＡからＪへの経路の場合について、物性値のデータベースのデータ量を優先度判断項目としたときの優先度決定方法の例を示す。
ここでは、シグモイド関数からなるＳ字曲線を適用した後のデータ量が多い場合を０．９、少ない場合を０．１、そしてその中間に位置する場合を０．５とした重みづけを行った。
図１９では、データ量が多い場合であるＡ，Ｃ，Ｄ，Ｈ，Ｊを２重丸、データ量が中間の場合であるＢ，Ｆ，Ｉ，Ｌ，Ｎを１重丸、そしてデータ量が少ない場合であるＥ，Ｋ，Ｍを破線の丸で表している。

ＡからＪへ至る経路は全部で１２通りあるが、それぞれの経路に対してノードを上記のエッジ数で計算すると下記のようになる。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：０．５＋０．９＋０．５＝１．９
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：０．５＋０．９＋０．５＋０．５＋０．５＝２．９
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：０．５＋０．１＋０．５＋０．１＋０．５＋０．５＝２．２
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：０．５＋０．１＋０．５＋０．５＝１．６
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：０．５＋０．１＋０．５＋０．５＝１．６
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：０．５＋０．１＋０．５＋０．９＋０．１＋０．５＋０．５＝３．１
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：０．５＋０．１＋０．５＝１．１
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：０．５＋０．９＋０．５＋０．１＋０．５＋０．５＝３
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：０．５＋０．９＋０．５＋０．５＝２．４
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：０．５＋０．９＋０．５＋０．５＝２．４
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：０．５＋０．９＋０．１＋０．５＋０．５＝２．５
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：０．１＋０．５＋０．５＝１．１

これを、経路を構成するノードの数（出発点を除いたノードの数）で割った値は下記のようになる。ここで、見やすくするために小数点３桁目で四捨五入した。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１．９／４＝０．４７５
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：２．９／６＝０．４８３
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：２．２／７＝０．３１４
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：１．６／５＝０．３２
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：１．６／５＝０．３２
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：３．１／８＝０．３８８
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：１．１／４＝０．２７５
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：３／７＝０．４２９
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：２．４／５＝０．４８
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：２．４／５＝０．４８
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：２．５／６＝０．４１７
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：１．１／４＝０．２７５

同じスコアの場合はノードの数が少ない経路を優先して、スコアの多い順に並べてそれを優先度とすると下記のようになる。
［１］Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：２．９／６＝０．４８３
［２］Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：２．４／５＝０．４８
［２］Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：２．４／５＝０．４８
［４］Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１．９／４＝０．４７５
［５］Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：３／７＝０．４２９
［６］Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：２．５／６＝０．４１７
［７］Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：３．１／８＝０．３８８
［８］Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：１．６／５＝０．３２
［８］Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：１．６／５＝０．３２
［１０］Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：２．２／７＝０．３１４
［１１］Ａ→Ｂ→Ｍ→Ｉ→Ｊ：１．１／４＝０．２７５
［１１］Ａ→Ｅ→Ｎ→Ｌ→Ｊ：１．１／４＝０．２７５
以上のようにして、物性値のデータベースのデータ量を優先度判断項目としたときの優先度が提供された。

（実施例９）
実施例９では、図２０に示したグラフにおけるＡからＪへの経路の場合について、物性の値を優先度判断項目としたときの優先度決定方法の例を示す。
ここでは、ユーザーが指定した数値範囲が、データベースに格納された当該物性の値の標準偏差σに対してσ未満である場合に対して１、σ以上３σ未満である場合に対して０．７、そして３σ以上である場合に対して０．３の重みづけを行った。図２０では、σ未満の場合であるＡ，Ｅ，Ｉ，Ｊを２重丸、σ以上３σ未満の場合であるＢ，Ｃ，Ｄ，Ｇ、Ｈ，Ｋ，Ｍを１重丸、そして３σ以上の場合であるＦ，Ｌを破線の丸で表している。

ＡからＪへ至る経路は全部で１２通りあるが、それぞれの経路に対してノードを上記のエッジ数で計算すると下記のようになる。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：０．７＋０．７＋０．３＝１．７
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：０．７＋０．７＋０．３＋０．７＋０．３＝２．７
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：０．７＋０．７＋０．７＋１＋０．７＋０．３＝４．１
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：０．７＋０．７＋０．７＋１＝３．１
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：０．７＋０．７＋０．７＋０．３＝２．４
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：０．７＋０．７＋０．７＋０．７＋１＋０．７＋０．３＝４．８
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：０．７＋０．７＋１＝２．４
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：０．７＋０．７＋０．７＋１＋０．７＋０．３＝４．１
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：０．７＋０．７＋０．７＋１＝３．１
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：０．７＋０．７＋０．７＋０．３＝２．４
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：０．７＋０．７＋１＋０．７＋０．３＝３．４
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：１＋０．７＋０．３＝２

これを、経路を構成するノードの数（出発点を除いたノードの数）で割った値は下記のようになる。ここで、見やすくするために小数点３桁目で四捨五入した。
Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１．７／４＝０．４２５
Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：２．７／６＝０．４５
Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：４．１／７＝０．５８６
Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：３．１／５＝０．６２
Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：２．４／５＝０．４８
Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：４．８／８＝０．６
Ａ→Ｂ→Ｍ→Ｉ→Ｊ：２．４／４＝０．６
Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：４．１／７＝０．５８６
Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：３．１／５＝０．６２
Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：２．４／５＝０．４８
Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：３．４／６＝０．５６７
Ａ→Ｅ→Ｎ→Ｌ→Ｊ：２／４＝０．５

同じスコアの場合はノードの数が少ない経路を優先して、スコアの多い順に並べてそれを優先度とすると下記のようになる。
［１］Ａ→Ｂ→Ｍ→Ｇ→Ｉ→Ｊ：３．１／５＝０．６２
［１］Ａ→Ｂ→Ｄ→Ｇ→Ｉ→Ｊ：３．１／５＝０．６２
［３］Ａ→Ｂ→Ｍ→Ｉ→Ｊ：２．４／４＝０．６
［４］Ａ→Ｂ→Ｍ→Ｇ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：４．８／８＝０．６
［５］Ａ→Ｂ→Ｍ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：４．１／７＝０．５８６
［５］Ａ→Ｂ→Ｄ→Ｇ→Ｅ→Ｎ→Ｌ→Ｊ：４．１／７＝０．５８６
［７］Ａ→Ｂ→Ｄ→Ｅ→Ｎ→Ｌ→Ｊ：３．４／６＝０．５６７
［８］Ａ→Ｅ→Ｎ→Ｌ→Ｊ：２／４＝０．５
［９］Ａ→Ｂ→Ｍ→Ｇ→Ｌ→Ｊ：２．４／５＝０．４８
［９］Ａ→Ｂ→Ｄ→Ｇ→Ｌ→Ｊ：２．４／５＝０．４８
［１１］Ａ→Ｂ→Ｃ→Ｆ→Ｎ→Ｌ→Ｊ：２．７／６＝０．４５
［１２］Ａ→Ｂ→Ｃ→Ｆ→Ｊ：１．７／４＝０．４２５
以上のようにして、物性の値を優先度判断項目としたときの優先度が提供された。

これまでに蓄積されてきた材料や物性に関する膨大なデータ、いわゆるビッグデータを活用して未知の物性間の関係性がその関連度などの優先順位をつけて提示されると、材料技術にブレークスルーをもたらし、技術が大きく進展すると考えられる。
本発明は、ビッグデータを用いて、物性パラメータの任意の組合せのうち有意な関係性を有する物性パラメータの組合せを優先度をつけて提示するものである。このため、本発明は、効率的に未知の物性間の関係性を提示して、材料技術の発展に大いに貢献するものと期待される。

１ データベース
２ グラフ生成手段
３ グラフ探索手段
４ 優先度決定手段
５ ユーザーインターフェース手段
６ データアクセス手段
１６ データベース
２１ データベース（物性パラメータ関係性データベース）
２２ グラフ生成手段
２３ グラフ
３１，３２，３３，３４，３５ 入力データフォーム
１０１ 検索システム
１０２ 検索装置

Claims (21)

1. 記憶装置に保持されるデータベースとグラフ生成工程とグラフ探索工程と優先度決定工程とを備えて物性間の関係性を探索する探索方法であって、
   前記データベースは、互いの関係性を有する物性パラメータの複数の対を記憶し、
   前記グラフ生成工程は、前記データベースに記憶された複数の物性パラメータをノードとし、関係性を有するとして記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
   前記グラフ探索工程は、与えられる探索条件に基づいてグラフを探索し、関連する物性あるいは物性間の関連を示す物性間関連性経路を複数提示し、
   前記優先度決定工程は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、優先度の高い順に結果を出力する、探索方法。
2. 請求項１において、前記グラフは有向グラフであり、
   前記グラフ生成工程では、物性パラメータ対の関係性が双方向であるときには、対応するエッジは双方向のエッジを生成し、物性パラメータ対の一方の物性パラメータの値が決まると他方の物性パラメータの値が決まるが逆は決まらないときには、対応するエッジとして、前記一方の物性パラメータに対応するノードから前記他方の物性パラメータに対応するノードへの一方向のエッジを生成する、探索方法。
3. 請求項１または２において、前記探索方法は、条件抽出工程と経路評価工程とをさらに備え、
   前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、関係性の有無を規定する条件が存在する対についてはその条件をさらに記憶可能であり、
   前記条件抽出工程では、前記データベースから前記条件を当該条件によって関係性の有無が規定される対に対応するエッジを条件付きエッジとして、前記条件と対応付けて抽出し、
   前記グラフ探索工程では、前記探索結果として、１または複数の経路を前記グラフから抽出して出力し、
   前記経路評価工程では、前記１または複数の経路について、前記条件付きエッジが含まれるか否かを判定し、前記条件付きエッジが含まれる経路については、当該条件付きエッジに対応する条件が満足されない場合には、前記１または複数の経路から除外して優先度決定工程用の探索結果とし、
   前記優先度決定工程用の探索結果も含めて優先度決定工程にて優先度の高い順に結果を出力する、探索方法。
4. 前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、当該関係性が厳密に理論的に確立された関係性か、経験的に相関が認められた関係性であって理論的には未確立の関係性か、半定量的か、定性的かの何れであるかの関係性の信頼性情報をさらに記憶可能であり、
   前記グラフ探索工程では、前記信頼性情報も用いて前記グラフを探索して優先度決定工程用の探索結果を求め、
   前記優先度決定工程用の探索結果も含めて優先度決定工程にて優先度の高い順に結果を出力する、請求項１から３の何れか１記載の探索方法。
5. 前記優先度決定工程では、前記信頼性情報に基づく信頼度、当該物性に出入りするエッジ数、当該物性値の測定可能性、当該物性値のデータベースデータ量、当該物性の値、および経路を構成するノードの数の少なくとも何れかを用いて優先度を求める、請求項１から４の何れか１記載の探索方法。
6. 前記優先度決定工程は、
   前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかをスコア化するスコア化工程と、
   前記スコア化工程によって求められた前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかのスコアに重みをつけて前記物性間関連性経路毎にスコアを加算するスコア加算工程と、
   前記スコアの加算工程によって求められた加算スコアの順に前記物性間関連性経路を並べる物性間関連性経路順位付け工程からなる、請求項１から５の何れか１記載の探索方法。
7. 前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の何れかの項目に対して前記加算スコアを求め、加算スコアの高い順を優先度として結果を出力する、請求項５または６記載の探索方法。
8. 前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れか項目の複数に対して、項目毎のスコア重みをつけて加算した項目加算スコアを求め、前記項目加算スコアの順を優先度の順位として出力する探索方法であって、
   前記項目に対する重みにより、
   前記信頼度の前記重みを他の前記項目の重みより大きくした信頼度重視優先度、
   前記物性に出入りするエッジ数の前記重みを他の前記項目の重みより大きくした制御重視優先度、
   前記物性値の測定可能性の前記重みを他の前記項目の重みより大きくした実測値重視優先度、
   実測可能であるものの中から前記物性値のデータベースデータ量の前記重みを他の前記項目の重みより大きくしたデータ量重視優先度、
   実測可能であるものの中から前記物性値の前記重みを他の前記項目の重みより大きくした物性限定優先度、
   前記項目の重みを全て均等にしたユニバーサル優先度とする、請求項５または６記載の探索方法。
9. 物理パラメータが格納された外部のデータベースへのデータアクセス手段とグラフ生成手段とグラフ探索手段と優先度決定手段とユーザーインターフェース手段とを備え、
   前記グラフ生成手段は、前記外部のデータベースから前記データアクセス手段を通じて複数の物性パラメータを取得し、前記取得された物性パラメータをノード、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
   前記グラフ探索手段は、前記ユーザーインターフェース手段を使ってユーザーによって与えられる探索条件に基づいて前記グラフを探索してグラフ探索結果を求め、
   前記優先度決定手段は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、前記ユーザーインターフェース手段により優先順位づけされた探索結果を出力する、探索装置。
10. 前記探索装置において請求項２から８の何れか１記載の探索方法を用いた、探索装置。
11. 請求項９または１０記載の探索装置において、データ記憶手段をさらに備え、前記データ記憶手段は、前記外部のデータベースから前記データアクセス手段を通じて取得した複数の物性パラメータを記憶し、前記データ記憶手段に記憶された物性パラメータを用いてノード、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成する、探索装置。
12. 物理パラメータが格納されたデータベースとグラフ生成手段とグラフ探索手段と優先度決定手段とユーザーインターフェース手段とを備え、
    前記グラフ生成手段は、前記データベースに格納されている物性パラメータを基に、ノード、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
    前記グラフ探索手段は、前記ユーザーインターフェース手段を使ってユーザーによって与えられる探索条件に基づいて前記グラフを探索してグラフ探索結果を求め、
    前記優先度決定手段は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、前記ユーザーインターフェース手段により優先順位づけされた探索結果を出力する、探索装置。
13. 請求項１２記載の探索装置において請求項２から８の何れか１記載の探索方法を用いた、探索装置。
14. データベースとグラフ生成手段とグラフ探索手段と優先度決定手段を備え、
    前記データベースは、互いに関係性を有する物性パラメータの複数の対を記憶し、
    前記グラフ生成手段は、前記データベースに記憶された複数の物性パラメータをノードとし、関係性を有すると記憶された物性パラメータ対に対応するノード間をエッジとするグラフを生成し、
    前記グラフ探索手段は、与えられる探索条件に基づいて前記グラフを探索してグラフ探索結果を求め、
    前記優先度決定手段は、前記複数提示された関連する物性あるいは物性間関連性経路の中から、前記ノードまたはエッジの少なくとも何れかの情報を用いて優先度を求め、優先度の高い順に結果を出力する、探索システム。
15. 請求項１４において、前記グラフは有向グラフであり、前記グラフ生成手段では、物性パラメータ対の関係性が双方向であるときには、対応するエッジは双方向のエッジを生成し、物性パラメータ対の一方の物性パラメータの値が決まると他方の物性パラメータの値が決まるが逆は決まらないときには、対応するエッジとして、前記一方の物性パラメータに対応するノードから前記他方の物性パラメータに対応するノードへの一方向のエッジを生成する、探索システム。
16. 請求項１４または１５において、前記探索システムは、条件抽出手段と経路評価手段とをさらに備え、
    前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、関係性の有無を規定する条件が存在する対についてはその条件をさらに記憶可能であり、
    前記条件抽出手段では、前記データベースから前記条件を当該条件によって関係性の有無が規定される対に対応するエッジを条件付きエッジとして、前記条件と対応付けて抽出し、
    前記グラフ探索手段では、前記探索結果として、１または複数の経路を前記グラフから抽出して出力し、
    前記経路評価手段では、前記１または複数の経路について、前記条件付きエッジが含まれるか否かを判定し、前記条件付きエッジが含まれる経路については、当該条件付きエッジに対応する条件が満足されない場合には、前記１または複数の経路から除外して優先度決定手段用の探索結果とし、
    前記優先度決定手段用の探索結果も含めて優先度決定手段にて優先度の高い順に結果を出力する、探索システム。
17. 前記データベースは、互いに関係性を有する物性パラメータの前記複数の対のうち、当該関係性が厳密に理論的に確立された関係性か、経験的に相関が認められた関係性であって理論的には未確立の関係性か、半定量的か、定性的かの何れであるかの関係性の信頼性情報をさらに記憶可能であり、
    前記グラフ探索手段では、前記信頼性情報も用いて前記グラフを探索して優先度決定手段用の探索結果を求め、
    前記優先度決定手段用の探索結果も含めて優先度決定手段にて優先度の高い順に結果を出力する、請求項１４から１６の何れか１記載の探索システム。
18. 前記優先度決定手段では、前記信頼度、当該物性に出入りするエッジ数、当該物性値の測定可能性、当該物性値のデータベースデータ量、当該物性の値、および経路を構成するノードの数の少なくとも何れかを用いて優先度を求める、請求項１４から１７の何れか１記載の探索システム。
19. 前記優先度決定手段は、
    前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかをスコア化するスコア化手段と、
    前記スコア化手段によって求められた前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れかのスコアに重みをつけて前記物性間関連性経路毎にスコアを加算するスコア加算手段と、
    前記スコアの加算手段によって求められた加算スコアの順に前記物性間関連性経路を並べる物性間関連性経路順位付け手段からなる、請求項１４から１８の何れか１記載の探索システム。
20. 前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の何れかの項目に対して前記加算スコアを求め、加算スコアの高い順を優先度として結果を出力する、
    請求項１８または１９記載の探索システム。
21. 前記信頼度、前記物性に出入りするエッジ数、前記物性値の測定可能性、前記物性値のデータベースデータ量、および前記物性の値の少なくとも何れか項目の複数に対して、項目毎のスコアに重みをつけて加算した項目加算スコアをつけ、前記項目加算スコアの順を優先度の順として出力する探索システムであって、
    前記項目に対する重みにより、
    前記信頼度の前記重みを他の前記項目の重みより大きくした信頼度重視優先度、
    前記物性に出入りするエッジ数の前記重みを他の前記項目の重みより大きくした制御重視優先度、
    前記物性値の測定可能性の前記重みを他の前記項目の重みより大きくした実測値重視優先度、
    実測可能であるものの中から前記物性値のデータベースデータ量の前記重みを他の前記項目の重みより大きくしたデータ量重視優先度、
    実測可能であるものの中から前記物性値の前記重みを他の前記項目の重みより大きくした物性限定優先度、
    前記項目の重みを全て均等にしたユニバーサル優先度とする、請求項１８または１９記載の探索システム。

Images